バージョン: 26.x

BloomFilter インデックス

インデックス作成の原理

BloomFilterインデックスは、BloomFilterに基づくスキップインデックスの一種です。その原理は、BloomFilterを使用して等価クエリにおいて指定された条件を満たさないデータブロックをスキップし、それによってIOを削減してクエリを高速化することです。

BloomFilterは、1970年にBloomが提案した高速検索アルゴリズムで、複数のハッシュ関数を使用します。要素が集合に属するかどうかを100%の精度を要求せずに迅速に判定する必要があるシナリオで一般的に使用されています。BloomFilterには以下の特徴があります：

要素が集合内にあるかどうかを確認するために使用される、空間効率の良い確率的データ構造。
メンバーシップチェックの場合、BloomFilterは2つの結果のいずれかを返します：おそらく集合内にある、または確実に集合内にない。

BloomFilterは、非常に長いバイナリビット配列と一連のハッシュ関数で構成されています。ビット配列は最初はすべて0に設定されています。要素をチェックする際、一連のハッシュ関数によってハッシュ化されて一連の値が生成され、配列内のこれらの位置のビットが1に設定されます。

下図は、m=18とk=3（mはビット配列のサイズ、kはハッシュ関数の数）のBloomFilterの例を示しています。集合内の要素x、y、zは3つの異なるハッシュ関数によってビット配列にハッシュされます。要素wをクエリする際、ハッシュ関数によって計算されたビットのいずれかが0の場合、wは集合内にありません。逆に、すべてのビットが1の場合、ハッシュ衝突の可能性があるため、wが集合内にある可能性があることのみを示し、確実ではありません。

したがって、計算された位置のすべてのビットが1の場合、ハッシュ衝突の可能性があるため、要素が集合内にある可能性があることのみを示し、確実ではありません。これがBloomFilterの「偽陽性」の性質です。そのため、BloomFilterベースのインデックスは条件を満たさないデータをスキップすることしかできず、条件を満たすデータを正確に特定することはできません。

DorisのBloomFilterインデックスはページ単位で構築され、各データブロックがBloomFilterを格納します。書き込み時には、データブロック内の各値が対応するBloomFilterにハッシュされます。クエリ時には、等価条件について、各データブロックのBloomFilterがその値を含んでいるかどうかがチェックされます。含んでいない場合、データブロックはスキップされ、IOが削減されてクエリが高速化されます。

使用ケース

BloomFilterインデックスは等価クエリ（=およびINを含む）を高速化でき、useridなどの一意のidフィールドなどの高カーディナリティフィールドに効果的です。

ヒント

BloomFilterには以下の制限があります：

inと=以外のクエリ（!=、NOT IN、>、<など）には効果がありません。
Tinyint、Float、Double型のカラムでのBloomFilterインデックス作成をサポートしていません。
低カーディナリティフィールドでの高速化効果は限定的です。例えば、2つの値のみを持つ「性別」フィールドは、ほぼすべてのデータブロックに含まれる可能性が高く、BloomFilterインデックスが無意味になります。

クエリに対するBloomFilterインデックスの効果を確認するには、Query Profileで関連メトリクスを分析できます。

BlockConditionsFilteredBloomFilterTimeは、BloomFilterインデックスによって消費された時間です。
RowsBloomFilterFilteredは、BloomFilterによってフィルタアウトされた行数です。他のRows値と比較して、BloomFilterインデックスのフィルタリング効果を分析できます。

インデックスの管理

Table作成時のBloomFilterインデックスの作成

歴史的な理由により、BloomFilterインデックスを定義する構文は、転置インデックスに使用される一般的なINDEX構文とは異なります。BloomFilterインデックスは、"bloom_filter_columns"を使用してTableのPROPERTIESで指定され、1つ以上のフィールドを指定できます。

PROPERTIES (
"bloom_filter_columns" = "column_name1,column_name2"
);

BloomFilter Indexesの表示

SHOW CREATE TABLE table_name;

既存TableでのBloomFilterインデックスの追加または削除

ALTER TABLEを使用してTableのbloom_filter_columnsプロパティを変更し、BloomFilterインデックスを追加または削除します。

column_name3のBloomFilterインデックスを追加

ALTER TABLE table_name SET ("bloom_filter_columns" = "column_name1,column_name2,column_name3");

column_name1のBloomFilterインデックスを削除

ALTER TABLE table_name SET ("bloom_filter_columns" = "column_name2,column_name3");

インデックスの使用

BloomFilterインデックスは、WHERE句での等価性クエリを高速化するために使用されます。適用可能な場合は自動的に有効になり、特別な構文は必要ありません。

BloomFilterインデックスの高速化効果は、Query Profileの以下のメトリクスを使用して分析できます：

RowsBloomFilterFiltered：BloomFilterインデックスによってフィルタリングされた行数。他のRows値と比較してインデックスのフィルタリング効果を分析できます。
BlockConditionsFilteredBloomFilterTime：BloomFilter転置インデックスによって消費された時間。

使用例

以下は、DorisでBloomFilterインデックスを作成する方法の例です。

DorisのBloomFilterインデックスは、CREATE TABLE文で"bloom_filter_columns"プロパティを追加することによって作成されます。k1、k2、k3はBloomFilterインデックスのキー列です。例えば、以下はsaler_idとcategory_idにBloomFilterインデックスを作成します。

CREATE TABLE IF NOT EXISTS sale_detail_bloom  (
    sale_date date NOT NULL COMMENT "Sale date",
    customer_id int NOT NULL COMMENT "Customer ID",
    saler_id int NOT NULL COMMENT "Salesperson",
    sku_id int NOT NULL COMMENT "Product ID",
    category_id int NOT NULL COMMENT "Product category",
    sale_count int NOT NULL COMMENT "Sales quantity",
    sale_price DECIMAL(12,2) NOT NULL COMMENT "Unit price",
    sale_amt DECIMAL(20,2)  COMMENT "Total sales amount"
)
DUPLICATE KEY(sale_date, customer_id, saler_id, sku_id, category_id)
DISTRIBUTED BY HASH(saler_id) BUCKETS 10
PROPERTIES (
"replication_num" = "1",
"bloom_filter_columns"="saler_id,category_id"
);

インデックス作成の原理​

使用ケース​

インデックスの管理​

Table作成時のBloomFilterインデックスの作成​

BloomFilter Indexesの表示​

既存TableでのBloomFilterインデックスの追加または削除​

インデックスの使用​

使用例​